采用一致性算法与虚拟结构的多自主水下航行器编队控制

采用一致性算法与虚拟结构法研究了多自主水下航行器(AUV)小尺度编队控制问题.首先针对各自主水下航行器拥有不同虚拟领航者信息(参考信息)的情况,通过对各AUV拥有的不一致参考信息进行一致性协商而达到状态一致.其次,基于虚拟结构思想采用坐标变换将各AUV相对于虚拟领航者的相对位置转换为各自的期望位置,并设计了一种有限时间跟踪控制律以确保各AUV能在有限时间内跟踪上其期望轨迹,从而实现了多AUV的小尺度有限时间编队控制.最后仿真实验验证了控制策略的有效性.     

多自主水下航行器系统一致性编队跟踪控制

研究了自主水下航行器的编队路径跟踪问题.基于无源性理论与一致性跟踪理论,在仅有部分AUV获取编队速度信息情形下,设计一种分布式控制律,实现了集群AUV的一致性编队跟踪.控制律分为2个部分:一部分基于无源性同步原理,建立了协同误差到跟踪误差的无源性通道;另一部分为一致性协同跟踪控制器,保证每个AUV相对于虚拟领航者的不一致参考信息通过协商达到最终一致状态.文章应用Nested Matrosov定理证明了整个闭环系统的稳定性,仿真结果验证了上述方法的有效性和可行性.     

通信随机时滞条件下基于分布式模型预测的AUV编队控制

考虑水声通信随机时滞条件下AUV编队协同控制问题,提出一种基于分布式模型预测的AUV编队控制方法.首先,通过所设计的随机时滞通信同步策略,将异步状态信息转换为同步状态信息;然后,结合虚拟轨迹、状态预测、控制约束以及编队内AUV状态信息描述协同编队代价函数,将其引入局部滚动时域优化,实现编队控制目标,并利用李雅普诺夫理论验证编队控制器的稳定性;最后,将所提出方法与现有编队控制方法进行对比仿真,仿真结果验证了其有效性.     

基于单位四元数的四旋翼编队反演控制方法

针对四旋翼无人飞行器,研究了在理想通信条件下编队控制问题;四旋翼无人飞行器具有复杂的数学模型,首先用四元数描述其动力学和运动学模型,将其分解为位置和姿态两个相互独立的子系统,通过引入与期望轨迹之间的误差建立了跟踪误差模型;指定编队中一名成员为领航者,编队成员通过一致性算法得到编队的几何中心位置,并以此作为期望轨迹;通过Backstepping方法为每一架四旋翼设计时变反馈控制律使编队达到镇定;最后通过仿真实验验证该控制方法的有效性。     

基于领航位置信息的AUV三维编队控制方法

研究了自治水下机器人（Autonomous Underwater Vehicle,AUV）三维环境中编队控制问题,应用领航一跟随式队形控制方法,仅利用领航者的位置信息及期望编队队形得到虚拟机器人的航行轨迹及速度信息,作为跟随者的航行参考量,应用反步及滑模控制方法为跟随者设计自适应控制律,使其轨迹收敛于虚拟机器人的轨迹,从而与领航者保持期望位姿关系。随后,在具体AUV动力学模型上,利用MATLAB／SIMULINK平台进行了编队控制的仿真研究,实现了预期的控制效果,验证了算法的有效性及实用性。     

基于二阶一致性算法的多仿生机器鱼分布式编队控制

针对动态领航者按照自身动力学模型运动, 多个跟随者机器鱼以其为编队参考点, 根据编队要求形成队形并整体跟随领航者运动的问题, 提出一种多仿生机器鱼分布式编队控制方案. 首先, 基于二阶一致性算法给出各跟随者机器鱼估计领航者位姿信息的分布式算法;其次,给出以领航者为参考点的多仿生机器鱼编队描述方法,进而各机器鱼根据编队要求以所估得的参考点信息实时确定其在编队中的期望位姿; 再次, 各跟随者机器鱼以期望速度和角速度以及所估得的领航者位姿信息为输入, 利用模糊控制器确定其速度档位和方向档位, 实现编队的形成与保持. 仿真和实验结果均表明, 所提分布式编队控制方法是有效的, 仿生机器鱼群体能够较快形成期望队形并跟随领航者游动.     

基于卡尔曼滤波的自主式水下航行器大尺度编队控制

针对网络环境下环境噪声对自主式水下航行器编队控制的影响,提出一种利用卡尔曼滤波实时估计AUV最优运动状态的编队控制方法.将空间间隔较远的多AUV系统建模为多智能体系统,从大尺度上研究其编队控制问题.为了得到每个AUV速度状态的最优估计值,每个AUV都嵌入一个全局卡尔曼滤波器,利用该全局滤波器进行最优估计从而计算出噪声环境下其自身的最优位置.仿真结果验证了所给出的控制策略的有效性.     

多机器人主—从行星式编队控制

研究了二阶积分器描述的多机器人主—从行星式编队控制问题,提出了将多机器人编队分解为每个机器人对各自具有时变速度的虚拟机器人的跟踪控制,使得每个机器人相对于虚拟机器人的位置与速度跟踪误差收敛为零且彼此不相碰撞,此时编队系统收敛到理想队形.在统一的算法框架下,分别实现了跟随者以领航者为中心的公转运动编队(revolution formation,RF)模式和跟随者与领航者保持期望距离、期望速度的编队(desiredformation,DF)模式.公转运动编队(RF)模式适用于异构多机器人系统的环境探索任务;保持期望距离、期望速度的编队(DF)模式适用于自主水下机器人(AUV)、无人机(UAV)等合作与协调任务.应用李亚普诺夫稳定性理论对控制算法的稳定性进行了分析,并通过计算机仿真验证了该方法的有效性.     

多无人机系统分布式编队控制

利用具有虚拟领航者的二阶动态一致性协议讨论了三维空间内分布式无人机编队控制问题。利用反馈线性化的方法将无人机非线性动力学模型线性化,将控制输入转化为惯性坐标系中三个坐标轴方向的加速度。运用一致性算法求解线性化后的无人机模型,使无人机能够形成稳定的预期编队并跟随虚拟领航者沿特定航线以一定速度运动。定义了编队的误差函数并运用Lyapunov稳定性理论证明了系统的稳定性。仿真验证了模型和算法的有效性。     

基于改进势场法的无人机编队协同避障控制算法

为了解决多无人机存在的自碰撞与障碍碰撞及编队通信架构等问题,在二阶模型的编队系统基础上,提出一种由图论和人工势场理论相结合的分布式编队控制策略。依据运动学原理建立无人机模型,以固定无向的通信拓补结构为基础,引入分段思想、旋转力、机间势场力来改进势场合力函数,以解决可能出现的目标不可达、死锁、编队安全问题,精准实现编队避障、避碰与航迹预规划;根据一致性理论对无人机状态误差进行修正,设计编队协同避障控制律以实现期望状态一致与航迹规划;通过构造Hamilton函数与反证法进行稳定收敛性分析,证明所提出控制算法的收敛一致性。通过仿真结果表明,无人机编队能够有效进行避障并快速达到期望一致。     

A Novel Obstacle Avoidance Consensus Control for Multi-AUV Formation System

In this paper, the fixed-time event-triggered obstacle avoidance consensus control for a multi-AUV time-varying formation system in a 3D environment is presented by using an improved artificial potential field and leader-follower strategy (IAPF-LF). Firstly, the proposed fixed-time control can achieve the desired multi-AUV formation within a fixed settling time in any initial system state. Secondly, an event-triggered communication strategy is developed to govern the communication among AUVs, and the communication energy consumption can be decremented. The time-varying formation obstacle avoidance control algorithm based on IAPF-LF is designed to avoid static and dynamic obstacles, the desired formation is maintained in the presence of external disturbances, and there is no Zeno behavior under the fixed-time event-triggered consensus control strategy. The stability of the system is proved by the Lyapunov function and inequality scaling. Finally, simulation examples and water pool experiments are reported to verify the performance of the proposed theoretical algorithms.      

多AUV协同导航问题的研究现状与进展

自主水下航行器(Autonomous underwater vehicle, AUV)协同导航是未来50年解决水下中间层区域AUV导航定位的重要方法. 本文针对多AUV协同导航, 对该领域相关问题的研究进展进行了综述, 包括: 1)论述多AUV协同导航领域的研究现状, 包括协同导航问题界定、特点综述与讨论; 2)分析多AUV协同导航系统模型及相关算法的研究进展, 包括基于优化的、 基于参数估计的和基于贝叶斯估计的滤波算法; 3)对协同导航网络下的误差建模与补偿方法的研究进展进行了综述, 包括未知洋流的影响、水声通信延迟补偿等; 4)从影响协同导航定位精度的角度出发, 对AUV协同导航的可观测性与编队最优构型设计的研究进展进行了一系列的分析; 5)陈述目前多AUV协同导航中存在的关键问题, 并讨论其发展趋势.     

基于动态蚁群劳动分工模型的多AUV任务分配方法

多水下自主航行器(autonomous underwater vehicle,AUV)的动态任务分配问题具有高度非线性、动态不确定性以及多模态的特征,对多AUV任务分配方法的自组织性、鲁棒性以及快速性提出了更高的要求.动态蚁群劳动分工(dynamic ant colony''s labor division,DACLD)模型是一种采用分布式框架的群智能算法,众多行为简单的个体相互作用过程中涌现产生的整体智能行为能很好地适应复杂多变的环境,在解决任务分配问题上具有很好的柔性.引入动态蚁群劳动分工中的刺激-响应原理,建立动态蚁群劳动分工与多AUV任务分配问题之间的映射关系,将任务的状态预测纳入响应阈值,研究基于动态蚁群劳动分工模型的多AUV任务分配方法.同时,针对任务分配过程中可能出现的任务冲突现象,提出新的循环竞争方案以实现最大限度地利用AUV资源.仿真结果表明,所提出的方法能高效地完成任务分配过程,具有很好的自组织性、鲁棒性及快速性.     

多自治水下机器人多任务分配的自组织算法

针对自治水下机器人（AUV）研究中的多机器人多任务分配问题,提出一种基于自组织映射（SOM）神经网络的多AUV多目标分配策略.将目标点的位置坐标作为SOM神经网络的输入向量进行自组织竞争计算,输出为对应的AUV机器人,从而控制一组AUV在不同的地点完成不同的任务,使机器人按照优化的路径规则到达指定的目标位置.为了表明所提出算法的有效性,给出了二维、三维作业环境中的仿真实验结果.     

未知环境下多AUV协同避障方法研究

针对多AUV（autonomous underwater vehicle）系统在未知环境中进行路径规划时难以兼顾避障与编队的问题,提出了一种基于领航—跟随者与行为的多AUV协同避障方法。首先,通过构造碰撞危险度及偏离目标评价函数,设计了AUV局部路径规划方法;在此基础上,结合编队控制方法,分别为领航者和跟随者设计不同的行为以及行为选择模式。半物理仿真实验结果表明,该算法能够实现多AUV系统在未知环境中的协同避障,且队形偏离度与恢复队形时间优于传统多机器人避障算法。实验结果证明了该算法的可行性与有效性。     

Finite-time consensus and collision avoidance control algorithms for multiple AUVs

In this paper, finite-time position consensus and collision avoidance problems are investigated for multi-AUV (autonomous underwater vehicle) systems. First, based on the homogeneous control method, finite-time position consensus algorithms are proposed for both leaderless and leader–follower multi-AUV systems without considering collisions between the AUVs. Specifically, in the leader–follower case, a novel distributed finite-time observer is developed for the followers to estimate the leader’s velocity. Second, by constructing collision avoidance and connectivity maintenance functions, modified consensus algorithms containing corresponding gradient terms are presented for multi-AUV systems of both cases, which guarantee collision avoidance, connectivity maintenance, velocity matching, and consensus boundedness. Simulations demonstrate the effectiveness of the proposed control algorithms.     

FMM与改进GBNN模型相结合的多AUV实时围捕算法

多自主水下机器人(AUV)实时围捕是一个综合的研究课题,包括联盟生成和目标追捕等阶段.首先,基于快速行进算法(FMM)预估围捕时间,有效形成多AUV的动态围捕联盟;然后,在追捕阶段,AUV需要立即跟踪智能逃逸机器人以防止其逃跑.为了实现这一目标,在GBNN(Glasius biological inspired neural network)模型中使用反比例函数替换指数函数计算神经元连接权值,加入额外的衰减项,并提出两点加快神经元活性传播的改进措施,使其适用于实时追捕路径规划.仿真研究表明,围捕联盟形成机制和反比例权值GBNN模型实时路径规划策略都显示出其优越性.在水下环境的多AUV协作围捕中,所提出的围捕控制算法可以提高围捕效率,减少AUV所花费的追捕距离和逃逸机器人的逃逸距离.     

Communication-Aware Formation Control of AUVs With Model Uncertainty and Fading Channel via Integral Reinforcement Learning

Most formation approaches of autonomous underwater vehicles (AUVs) focus on the control techniques, ignoring the influence of underwater channel. This paper is concerned with a communication-aware formation issue for AUVs, subject to model uncertainty and fading channel. An integral reinforcement learning (IRL) based estimator is designed to calculate the probabilistic channel parameters, wherein the multivariate probabilistic collocation method with orthogonal fractional factorial design (M-PCM-OFFD) is employed to evaluate the uncertain channel measurements. With the estimated signal-to-noise ratio (SNR), we employ the IRL and M-PCM-OFFD to develop a saturated formation controller for AUVs, dealing with uncertain dynamics and current parameters. For the proposed formation approach, an integrated optimization solution is presented to make a balance between formation stability and communication efficiency. Main innovations lie in three aspects: 1) Construct an integrated communication and control optimization framework; 2) Design an IRL-based channel prediction estimator; 3) Develop an IRL-based formation controller with M-PCM-OFFD. Finally, simulation results show that the formation approach can avoid local optimum estimation, improve the channel efficiency, and relax the dependence of AUV model parameters.      

Improving the coordination efficiency of limited‐communication multi–autonomus underwater vehicle operations using a multiagent architecture

This research addresses the problem of coordinating multiple autonomous underwater vehicle (AUV) operations. An intelligent mission executive has been created that uses multiagent technology to control and coordinate multiple AUVs in communication‐deficient environments. By incorporating real‐time vehicle prediction, blackboard‐based hierarchical mission plans, mission optimization, and a distributed multiagent–based paradigm in conjunction with a simple broadcast communication system, this research aims to handle the limitations inherent in underwater operations, namely poor communication, and intelligently control multiple vehicles. In this research, efficiency is evaluated and then compared to the current state of the art in multiple AUV control. The research is then validated in real AUV coordination trials. Results will show that compared to the state of the art, the control system developed and implemented in this research coordinates multiple vehicles more efficiently and is able to function in a range of poor communication environments. These findings are supported by in‐water validation trials with heterogeneous AUVs. © 2010 Wiley Periodicals, Inc.